MétaCan
Menu
Retour à la cohorte
Enregistrement W4249803205 · doi:10.1155/2012/275152

Genetic Algorithms Based Approach for Designing Spring Brake Orthosis – Part Ii: Control of FES Induced Movement

2012· article· en· W4249803205 sur OpenAlexaff
M. S. Huq, M. O. Tokhi

Notice bibliographique

RevueApplied Bionics and Biomechanics · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésBrakeFunctional electrical stimulationSwingControl theory (sociology)Knee JointComputer scienceTorsion springMovement (music)TorqueSimulationEngineeringAutomotive engineeringStructural engineeringControl (management)Artificial intelligenceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Spring brake orthotic swing phase for paraplegic gait is initiated through releasing the brake on the knee mounted with a torsion spring. The stored potential energy in the spring, gained from the previous swing phase, is solely responsible for swing phase knee flexion. Hence the later part of the SBO operation, functional electrical stimulation (FES) assisted extension movement of the knee has to serve an additional purpose of restoring the spring potential energy on the fly. While control of FES induced movement as such is often a challenging task, a torsion spring, being antagonistically paired up with the muscle actuator, as in spring brake orthosis (SBO), only adds to the challenge. Two new schemes are proposed for the control of FES induced knee extension movement in SBO assisted swing phase. Even though the control schemes are closed-loop in nature, special attention is paid to accommodate the natural dynamics of the mechanical combination being controlled (the leg segment) as a major role playing feature. The schemes are thus found to be immune from some drawbacks associated with both closed-loop tracking as well as open-loop control of FES induced movement. A leg model including the FES knee joint model of the knee extensor muscle vasti along with the passive properties is used in the simulation. The optimized parameters for the SBO spring are obtained from the earlier part of this work. Genetic algorithm (GA) and multi-objective GA (MOGA) are used to optimize the parameters associated with the control schemes with minimum fatigue as one of the control objectives. The control schemes are evaluated in terms of three criteria based on their ability to cope with muscle fatigue.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,202
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Bionics and BiomechanicsMême sujetMuscle activation and electromyography studiesTravaux en français237 207